産業精密製造において、視覚検査装置の撮像システムはしばしば被写界深度が浅く、ピントずれによるぼやけが発生しやすく、検査結果に深刻な影響を及ぼします。この問題に対して、均一なピントずれ画像に対するブラインドデブラリングネットワーク（Uniform Defocus Blind Deblur Net、UDBD-Net）を提案します。まず、ぼやけカーネル推定ネットワークを提案し、ピントずれぼやけの特徴を抽出し、ぼやけカーネルを正確に推定します。次に、ニューラルネットワークを用いて特徴ベースのウィーナ逆畳み込み（Feature-based Wiener Deconvolution、FWD）式の未知変数を学習・推定する逆畳み込みネットワークを提案し、より正確にデブラリング画像の潜在的特徴を生成します。最後に、エンコーダーデコーダーネットワークを用いて画像の細部を強調し、アーティファクトを除去します。実験結果は、この方法がDIV2KおよびGOPRO画像において、ピーク信号対雑音比（Peak Signal to Noise Ratio、PSNR）でそれぞれ31.16 dBおよび36.16 dBを達成したことを示しています。現在の主流の方法と比較して、この方法はモデルの推論時間を大幅に増加させることなく、より高品質で自然なデブラリング画像を復元できます。さらに、この方法は実際の均一なピントずれぼやけ画像にも良好なデブラリング効果を示し、工業用視覚検査アルゴリズムのピントずれぼやけ画像に対する検出性能を大幅に向上させることができます。

コンピュータビジョン; ブラインドデブラリング; ぼやけカーネル推定, 逆畳み込み